OLAP（多维数据库）和决策分析模型的作用是什么？
     如果没有OLAP，在企业中运用最为频繁的父子维度根本无法快速实现，需要大量的代码。如物料（或客户）编码一般有多级，在OLAP中，只需要一个维度，即可自动实现多级展开，而如果没有OLAP，则物料分了几级，就需要有多少个维度，并且，如果编码并不规范，则更难实现。

    决策分析模型要从大量的历史数据中找出规律，如果人为通过众多报表来判断，基本上是不可能的。举个简单的例子，如果要判断哪些客户而临流失的风险，则需要将所有客户近几个月的销售全部拿出来对比分析，看哪些客户连续这几个月的销售都在下降。并且，在找到这些客户后，还要判断这个客户是不是公司的核心客户，需不需要马上采取措施。如果没有成熟的分析模型，则需要很多张报表，且需要大量手工工作量。

    成熟的决策分析模型，而不仅仅是报表。如：销售预警分析模型，可以在长期交易的客户中快速找出哪些客户有潜在流失的风险？如：采购价格预警模型，快速定位哪些物料的采购价格有异常波动，或者，企业主要原材料的价格是否有异常？如：存货预警模型，帮助快速识别哪些物料有潜在呆滞的风险？库龄分析模型，不但知道库龄的分布，还能快速掌握这些呆滞物料存放在哪里？为什么采购？谁采购的？如：杜邦财务分析模型，如果公司明年的收入增加10%，成本也增加10%，净资产收益率会发生多少变化？

------解决方案--------------------
举个典型的预测例子(真的只是一个例子而已)你有一个根据你们企业以往的报销费用清单,老板让你预测一下接下来几个月的走势和大概的情况,这个就用到决策树算法
------解决方案--------------------
个人也在学习研究中
简而言之，olap用于cube建立，报表的查看
决策分析模型就是帮助进行历史数据的分析
------解决方案--------------------
太理想化了，针对工业企业，如果客户对象不是最终消费者，那这个分析的难度非常大，涉及到的因素特多。还是来接点分吧。
------解决方案--------------------
个人认为BI目前还算是辅助分析手段，起码在中国来说是如此。很少有客户关注模型成熟度，而更加关注的却是如何提升OLAP所带来的快速、多样性（分解树、钻取、旋转等等）的辅助分析方式。
其原因在于再成熟的模型也不是企业的万金油，更多的分析源于业务主导的人为分析，而OLAP是提供了这种分析的手段罢了。
------解决方案--------------------
顶楼上的